DinoLizer: Separating VAE and Diffusion Artifacts in Generative Inpainting Localization
DinoLizer: 从最佳中学习以实现生成修复的定位
专题命中 图像修复 ：inpainting(title,abstract)；diffusion(title)；分类 cs.CV
AI总结 DinoLizer基于DINOv2改进生成修复中的篡改定位，通过滑动窗口和后处理提升鲁棒性，实现更高的IoU性能。
视觉与机器人
图像生成
图像生成、文生图、图像编辑、扩散模型和可控生成。
1. 图像修复 27 篇
Aligned Stable Inpainting: Mitigating Unwanted Object Insertion and Preserving Color Consistency
对齐稳定修复：缓解不需要的对象插入并保持颜色一致性
机构 * Nanyang Technological University（南洋理工大学） ； Tencent Hunyuan3D（腾讯 Hunyuan3D） ； Fudan University（复旦大学） ； Fudan ISTBI–ZJNU Algorithm Centre for Brain-Inspired Intelligence（复旦大学 ISTBI–浙师大脑启发式智能算法中心） ； Zhejiang Normal University（浙江师范大学） ； Shanghai Innovation Institute（上海创新研究院）
专题命中 图像修复 ：inpainting(title,abstract)；diffusion(abstract)；分类 cs.CV
AI总结 本文提出ASUKA框架，通过重建先验和专有VAE解码器解决生成修复中的对象插入和颜色不一致问题，提升修复图像的质量和一致性。
Comments Update: more exps and analysis
SONIC: Spectral Optimization of Noise for Inpainting with Consistency
SONIC: 用于一致性修复的噪声谱优化
机构 * University of British Columbia（不列颠哥伦比亚大学） ； Google DeepMind（谷歌DeepMind）
专题命中 图像修复 ：inpainting(title,abstract)；text-to-image(abstract)；分类 cs.CV
AI总结 提出一种无需训练的修复方法，通过谱域优化初始噪声样本，使通用文本到图像模型适用于修复任务，在少量优化步骤后超越现有技术。
Comments Accepted at ECCV 2026
Posterior Continuation with Noise-Conditioned Frequency Exposure for Diffusion Inverse Problems
基于噪声条件频率暴露的扩散逆问题后验延续
机构 * Shanghai Jiao Tong University（上海交通大学）
专题命中 图像修复 ：diffusion(title,abstract)；inpainting(abstract)；分类 cs.CV
AI总结 提出后验延续框架，根据扩散噪声水平逐步暴露测量频率，结合稳定采样器实现超分辨率、修复和去模糊的先进性能。
Unbiased Diffusion Variational Inversion via Principled Posterior Matching
无偏扩散变分反演：基于原则性后验匹配
机构 * Peking University（北京大学）
专题命中 图像修复 ：diffusion(title)；inpainting(abstract)；分类 cs.CV
AI总结 提出原则性后验匹配（PPM）框架，通过精确优化KL散度（利用Fisher散度积分）解决逆问题中模式坍塌和不确定性量化不可靠的问题，统一变分推理和摊销推理，在图像修复、超分辨荧光显微和射电干涉成像中实现高保真重建和校准的不确定性估计。
Utilizing Inpainting for Keypoint Detection for Vision-Based Control of Robotic Manipulators
利用图像修复进行基于视觉的机械臂运动控制的关键点检测
机构 * Worcester Polytechnic Institute（沃斯彻斯特理工学院）
专题命中 图像修复 ：inpainting(title,abstract)
AI总结 本文提出一种新的视觉伺服框架，通过纯自然视觉特征控制机械臂的配置空间。通过图像修复生成无标记的机械臂图像，训练关键点检测算法以实现基于自然特征的控制，无需依赖相机校准或机器人模型。
SDDBMs: Soft Denoising Diffusion Bridge Models
SDDBMs：软去噪扩散桥模型
机构 * Nanjing University（南京大学） ； Renmin University of China（中国人民大学）
专题命中 图像修复 ：diffusion(title,abstract)
AI总结 本文提出SDDBMs，一种正则化扩散桥的通用框架，以非退化高斯终端边际替代硬端点约束，涵盖现有多种扩散桥模型，图像修复实验显示其数值稳定性与生成质量更优。
InverseCrafter: Efficient Video ReCapture as a Latent Domain Inverse Problem
InverseCrafter：作为潜在域逆问题的高效视频重新捕捉
机构 * Graduate School of AI, KAIST, South Korea（韩国釜山国立大学人工智能研究生院） ； EverEx, South Korea（韩国EverEx公司） ； Korea University, South Korea（韩国国立庆熙大学）
专题命中 图像修复 ：diffusion(abstract)；inpainting(abstract)；分类 cs.CV
AI总结 提出InverseCrafter框架，将新视角视频生成转化为潜在空间基于图像修复的逆问题，通过轻量级潜在掩码编码器建立算子等价，无需标注4D训练数据，实现高效合成与编辑。
Comments ECCV 2026
Plug-and-Play image restoration with Stochastic deNOising REgularization
即插即用图像恢复：随机去噪正则化
专题命中 图像修复 ：diffusion(abstract)；inpainting(abstract)；分类 cs.CV
AI总结 提出SNORE框架，仅在适当噪声水平图像上应用去噪器，结合随机正则化与梯度下降求解逆问题，在去模糊和修复任务上达到SOTA。
Mask-aware inference with State-Space Models
具有掩码意识的State-Space模型推理
专题命中 图像修复 ：inpainting(abstract)；分类 cs.CV
AI总结 本文提出Partial Vision Mamba（PVM）架构，用于处理具有任意形状无效数据的State-Space模型推理任务，展示了其在深度补全、图像修复和分类中的有效性。
Comments Some results contain significant errors and we are working in a rework on this paper, which is now outdated
JADE-GS: Joint Allocation of Deblurring Evidence for Event-Assisted 3D Gaussian Splatting
JADE-GS：3D高斯点云渲染中基于事件引导的联合交替去模糊
机构 * School of Mechatronic Engineering and Automation, Shanghai University（上海大学机电工程与自动化学院） ； Shanghai Baoshan Shangda General Intelligent Robotics Research Institute（上海宝山尚大通用智能机器人研究院） ； School of Computer Science and Technology, Tongji University（同济大学计算机科学与技术学院）
专题命中 图像修复 ：diffusion(abstract)；分类 cs.CV
AI总结 研究相机快速移动曝光时模糊问题，提出JADE-GS方法，通过像素自适应路由门融合互补先验，2D恢复器与3D高斯点云渲染双向循环耦合，正则化恢复器，在合成和真实基准测试中获最佳感知质量，训练高效且保留实时渲染。
High-Fidelity Mural Restoration via a Unified Hybrid Mask-Aware Transformer
高保真壁画修复的统一混合掩码感知变换器
机构 * Northeastern University (Toronto Campus)（东北大学（多伦多校区）） ； The Bishop Strachan School（主教斯特拉坎学校）
专题命中 图像修复 ：inpainting(abstract)；分类 cs.CV
AI总结 本文提出混合掩码感知变换器HMAT，通过结合掩码感知动态过滤与Transformer瓶颈，实现壁画的高保真修复，同时通过掩码条件风格融合模块和教师强迫解码器提升修复效果。
Comments 17 pages, 3 figures
Fast and Accurate Image Restoration and Generation with Rank Enhanced Linear Attention
基于秩增强线性注意力的快速准确图像恢复与生成
机构 * University of Chinese Academy of Sciences（中国科学院大学）
专题命中 图像修复 ：diffusion(abstract)；分类 cs.CV
AI总结 研究旨在解决Transformer自注意力二次复杂度问题，提出秩增强线性注意力（RELA）及高效视觉Transformer（LAformer），通过集成深度卷积丰富特征表示，经实验验证LAformer在图像恢复和生成任务中性能优且计算高效。
Comments Code: https://github.com/shallowdream204/LAformer
Enhancing In-context Panoramic Generation via Geometric-aware Pretraining
通过几何感知预训练增强上下文全景生成
机构 * Insta360 Research（影石创新研究院） ； Tsinghua University（清华大学） ； Beihang University（北京航空航天大学） ； Wuhan University（武汉大学）
专题命中 图像修复 ：inpainting(abstract)；分类 cs.CV
AI总结 该研究提出两阶段框架Canvas360用于上下文全景生成，结合几何感知预训练与微调。通过构建数据集及特定建模方法，增强文本到全景生成，经实验验证其能提高全景图像保真度，在相关指标上表现优异。
Comments Project page: https://zry000.github.io/Canvas360/ Github: https://github.com/Insta360-Research-Team/Canvas360
Satellite-Free Training for Drone-View Geo-Localization
无需卫星的无人机视角地理定位
机构 * Nanjing University of Science and Technology（南京理工大学） ； University of Tsukuba（筑波大学） ； Nanyang Technological University（南洋理工大学）
专题命中 图像修复 ：inpainting(abstract)；分类 cs.CV
AI总结 本文提出无需卫星数据的训练框架，通过三维场景重建、伪正射影像生成和特征聚合，提升无人机在无GPS环境下的地理定位性能。
Comments Withdrawn by the authors to allow for substantial revision in light of valuable reviewer feedback. A thoroughly revised version may be submitted in the future
Bridging Information Asymmetry: A Hierarchical Framework for Deterministic Blind Face Restoration
弥合信息不对称：一种降低不确定性的分层盲脸修复框架
机构 * Biomedical Engineering Department, College of Future Technology, Peking University（北京大学未来技术学院生物医学工程系） ； Institute of Medical Technology, Peking University Health Science Center（北京大学医学部医学技术研究所） ； National Biomedical Imaging Center, Peking University（北京大学国家生物医学成像中心）
专题命中 图像修复 ：diffusion(abstract)；分类 cs.CV
AI总结 提出Pref-Restore分层框架，通过语义信息增强、纹理保真对齐和保真约束偏好优化，降低盲脸修复中的不确定性，实现身份敏感的高保真重建。
Comments Accepted by TPAMI2026
ForeHOI: Feed-forward 3D Object Reconstruction from Daily Hand-Object Interaction Videos
ForeHOI: 从日常手物交互视频中进行前馈式3D物体重建
机构 * School of Science and Engineering, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）科学与工程学院） ； FNii-Shenzhen（FNii-深圳） ； Guangdong Provincial Key Laboratory of Future Networks of Intelligence（广东省未来智能网络关键实验室） ； SDS, CUHKSZ（CUHKSZ SDS）
专题命中 图像修复 ：inpainting(abstract)；分类 cs.CV
AI总结 提出前馈模型ForeHOI，通过联合2D掩膜修复和3D形状补全，在一分钟内从单目视频直接重建3D物体，无需预处理，性能优于优化方法且速度提升约100倍。
Comments 14 pages, 7 figures, Page: https://tao-11-chen.github.io/project_pages/ForeHOI/
S^2VG: 3D Stereoscopic and Spatial Video Generation via Denoising Frame Matrix
S^2VG：基于去噪帧矩阵的3D立体与空间视频生成
机构 * Department of Electrical and Electronic Engineering at The University of Hong Kong（香港大学电子与电气工程系） ； Google（谷歌）
专题命中 图像修复 ：inpainting(abstract)；分类 cs.CV
AI总结 提出一种无需姿态和训练的方法，利用现成单目视频生成模型，通过深度图扭曲和帧矩阵修复框架，生成时空一致的3D立体与空间视频。
Comments immersive video generation, 4D scene, spatial video, stereo video
Investigation of Neural Network Methods for Reconstruction and Classification of Texture Images Under Conditions of Incomplete Information
不完全信息条件下纹理图像重建与分类的神经网络方法研究
机构 * Satbayev University（萨特巴耶夫大学） ； Institute of Ionosphere LLP（电离层研究所） ； Information Technology Department（信息技术部门） ； Assiut University（阿西乌特大学）
专题命中 图像修复 ：inpainting(abstract)；分类 cs.CV
AI总结 提出结合目标检测、GAN（CRA）修复和Transformer/CNN分类的端到端框架，发现重建质量高（PSNR 28.7dB）但分类准确率仅53%，通过置信度混合集成将MCA从48%提升至58%，揭示生成模型产生语义模糊特征的问题。
Comments IEEE ACCESS
CASR: A Robust Cyclic Framework for Arbitrary Large-Scale Super-Resolution with Distribution Alignment and Self-Similarity Awareness
CASR：一种鲁棒的循环框架，用于任意大尺度超分辨率，具有分布对齐和自相似性意识
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Peking University（北京大学）
专题命中 图像修复 ：diffusion(abstract)；分类 cs.CV
AI总结 CASR通过分布对齐和自相似性意识，解决大尺度超分辨率中的分布漂移和扩散不一致问题，实现稳定推理和高效单模型处理。
Beware of Aliases -- Signal Preservation is Crucial for Robust Image Restoration
警惕混叠——信号保留对鲁棒图像复原至关重要
机构 * University of Mannheim（曼海姆大学） ； Institute for Machine Learning and Analytics（机器学习与分析研究所） ； Offenburg University（奥芬堡大学） ； Max Planck Institute for Informatics（马克斯·普朗克信息研究所） ； Saarland Informatics Campus（萨尔州信息校区）
专题命中 图像修复 ：image generation(abstract)；分类 cs.CV
AI总结 针对图像复原网络因混叠导致鲁棒性差的问题，提出BOA-Restormer，通过在频域执行部分下采样和上采样操作，确保无混叠路径，在低成本下提升模型鲁棒性。
Comments Tags: Adversarial attack, image restoration, image deblurring, frequency sampling
FiPA-SR -- FiLM-Conditioned Perceptually Informed Audio Super-Resolution
FiPA-SR -- 基于FiLM条件感知的音频超分辨率
专题命中 图像修复 ：diffusion(abstract)
AI总结 提出FiPA-SR，一种基于GAN的感知架构，通过FiLM层适应不同输入带宽，在单一模型中处理多种采样率，性能优于AudioSR且效率更高。
Comments Submitted to the XLIV BRAZILIAN SYMPOSIUM ON TELECOMMUNICATIONS AND SIGNAL PROCESSING - SBrT 2026
Audio dequantization using instantaneous frequency
利用瞬时频率的音频去量化
专题命中 图像修复 ：inpainting(abstract)
AI总结 本文提出了一种基于相位感知正则化器的音频去量化方法，旨在提升音频信号在时频表示中的正弦分量连续性并减少能量损失伪影。
An operator-splitting algorithm for the hypergraph $p$-Laplacian with applications to missing data recovery
一种用于超图p-拉普拉斯算子的算子分裂算法及其在缺失数据恢复中的应用
专题命中 图像修复 ：inpainting(abstract)
AI总结 本文针对超图p-拉普拉斯正则化，提出算子分裂算法，通过高斯-赛德尔方式处理超边，利用辅助变量和ADMM克服非光滑性，证明算法收敛性，并通过缺失数据恢复问题测试，表明其比现有方法更快。
Comments 20 pages
Nearly Full-Sky Low-Multipole Cosmic Microwave Background Temperature Anisotropy: II. Angular Power Spectra and Likelihood
近全天低多极宇宙微波背景温度各向异性：II. 角功率谱与似然
专题命中 图像修复 ：inpainting(abstract)
AI总结 基于模板法去除前景的WMAP和Planck数据，测量了低多极（ℓ<30）CMB温度功率谱，仅屏蔽1%像素，发现四极矩偏低（2.2σ）、20≤ℓ≤27处凹陷及整体功率低于ΛCDM预言，并提供了新的似然函数。
Comments Published in The Astrophysical Journal
Journal ref 2026 ApJ 1005 145
Nearly Full-Sky Low-Multipole Cosmic Microwave Temperature Anisotropy: I. Foreground Cleaned Maps
近全天低多极宇宙微波温度各向异性：I. 前景清洁图
专题命中 图像修复 ：inpainting(abstract)
AI总结 利用多频模板图组合，仅掩蔽1%像素，生成近全天CMB温度图，推荐用于低多极（ℓ<30）研究。
Comments Published to The Astrophysical Journal
Journal ref 2026 ApJ 1005 144
XConv: Low-memory stochastic backpropagation for convolutional layers
XConv: 卷积层的低内存随机反向传播
机构 * University of Central Florida（中央佛罗里达大学） ； Rice University（里士满大学） ； DevitoCodes Ltd（DevitoCodes有限公司） ； Michigan State University（密歇根州立大学） ； Georgia Institute of Technology（佐治亚理工学院）
专题命中 图像修复 ：inpainting(abstract)
AI总结 提出XConv方法，通过存储激活的压缩投影并利用多通道随机迹估计近似梯度，在不增加计算、不约束架构、不大量修改代码的情况下，大幅降低卷积层反向传播的内存需求。
